骁龙820A汽车-AVP自主泊车

装ADAS后，从L2级“自动泊车”迈向L4“自主泊车”。

第一款真正意义上的自动驾驶产品——针对停车场场景的自主泊车 AVP 1.0

从L2级别的APA自动泊车开始，升级到L4级别的AVP自主泊车，最终迈向能在公开道路上行驶的无人驾驶

基于360°摄像头做的环视ADAS，与自动泊车相契合。在自动泊车之前，360°的环视影像，一大功能便是给司机泊车提供帮助。

在此基础之上，将环视摄像头与超声波雷达的数据进行融合，再加上对车辆的控制，便打造出了APA自动泊车功能。如此，自动泊车的开发既继承了既有的技术，又能够继承客户在这第一步迈出之后。相较于自动泊车，自主泊车并不需要驾驶员把车开到车位旁，而是会让车辆在一定范围内自己找车位。

此AVP自主泊车方案延续了APA自动泊车的部分架构，但为了更精准的感知、定位与控制，又在其基础上进行了升级

感知方面，在APA采用环视摄像头+超声波雷达的基础上，此AVP方案还会加入毫米波雷达的数据，实现三种传感器数据的融合。

同时，由于需要车辆跑得更远、定位更准，加入GNSS定位模块与IMU惯导模块（尤其应对无法收到卫星定位信号的地下停车场景）。

可以看到一块AVP自主泊车功第一款真正意义上的自动驾驶产品,推出针对停车场场景的自主泊车AVP 1.0能模块的板卡，以高通骁龙820A为核心打造。

骁龙820A虽然原本为移动端设备而生，但经过实测，其算力足以承担6路高清视频信号的处理，同时运行纵目的神经网络。此外，为了让算力澎湃的骁龙820A能够稳定发挥，也特意加入了高功能安全等级的芯片，通过系统整体设计，让整个AVP达到了ASIL-B的功能安全等级。

眼下，已有的、载人的L4级自动驾驶方案普遍存在成本惊人的问题。此AVP自主泊车选择一个具体场景、做一个具体功能的好处是，成本合理，能够为大多数主机厂接受。

一方面，在基于AI的机器视觉算法上，做出了更多成绩。基于高通骁龙820A，纵目定制了能够同时识别、分割车辆、树木、可行驶道路等多种物体的统一神经网络，也基于环视摄像头首创了俯视视角的语义分割和关键点检测算法，还研发了车辆3D关键点检测等算法。

图为统一神经网络，下图为俯视视角语义分割和关键点检测算法

 在自动驾驶数据集KITTI上，神经网络的成果

另一方面，对于AI需要的海量数据，通过不同的测试场地，各自模拟不同的情景。将数据收集的功能部署在车上。依托这些数据，对AVP自主泊车方案进行验证、迭代，让车辆的自动驾驶范围，从停车场中最后的五米，走向一百米乃至一公里，最终开上公开道路，而不仅仅是局限于泊车。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。